6. PEDOMAN DAN LANGKAH MENJALANKAN QA/QC IGRK
6.8 Tambahan QA/QC Checklist
Tabel 6-4. Review eksternal terkait QA
Nama Organisasi Bidang Keahlian Kontak Ringkasan
komentar
GRK dan memastikan komentar dari tenaga ahli telah terakomodasi di dalam dokumen inventarisasi GRK. Tahapan untuk
mengkoordinasikan review eksternal yaitu sebagai berikut:
1. Identifikasi review eksternal (contoh: melalui koordinator sektor) 2. Tentukan jadwal review
3. Membuat format review (dibuat dalam Word atau Excel) 4. Menghubungi tenaga ahli/reviewer untuk menginformasikan
kepada mereka jadwal serta ekspektasi
5. Mendistribusikan draf inventarisasi GRK untuk dilakukan review 6. Mengumpulkan dan menggabungkan masukan dari tenaga ahli 7. Melaporkan rangkuman masukan dari tenaga ahli ke penanggung
jawab inventarisasi GRK nasional dan koordinator pengarsipan 8. Memperbaharui draft inventarisasi GRK sesuai dengan masukan
yang ada
Checklist Penanggung jawab IGRK Nasional: Pemeriksaan antar sektor untuk memastikan kualitas IGRK
Aktifitas
Informasi telah lengkap Nama Tanggal Perhitungan emisi untuk semua kategori emisi dan serapan
Identifikasi parameter yang biasa digunakan untuk semua kategori (contoh: faktor konversi, koefisien karbon konten, dll) dan pemeriksaan terhadap konsistensi
Pemeriksaan laporan perbandingan nilai yang menggunakan data input yang sama (contoh: data populasi hewan ternak)
Pemeriksaan antar kategori yang menggunakan set data elektronik yang sama (contoh: keterkaitan data populasi hewan ternak terhadap perhitungan fermentasi enterik dan manure management
Pemeriksaan jumlah digit atau desimal yang signifikan untuk parameter, faktor konversi, faktor emisi atau data aktifitas yang konsisten untuk setiap kategori
Pemeriksaan total emisi yang dilaporkan secara konsisten (dalam hal digit yang signifikan dan jumlah desimal) untuk setiap kategori
Pemeriksaan terhadap data emisi yang telah diagregasi secara tepat dari tingkat pelaporan terbawah hingga tertinggi
Lainnya: (tolong tuliskan) Dokumentasi
Periksa jika metode dokumentasi telah diterapkan secara konsisten untuk semua kategori
Lainnya: (tolong tuliskan) Kelengkapan informasi
Pemeriksaan untuk kelengkapan informasi semua kategori dan tahun
Pemeriksaan terhadap kesenjangan data telah diidentifikasi dan dilaporkan sesuai dengan kaidah yang ada
Lainnya: (tolong tuliskan)
Mengelola file umum inventarisasi GRK: spreadsheets dan dokumen inventarisasi
Apakah prosedur pengaturan file inventarisasi GRK telah dilakukan?
Lainnya: (tolong tuliskan)
Checklist Penanggung jawab IGRK Nasional: Pemeriksaan Dokumen Inventarisasi GRK
Aktifitas Informasi telah lengkap
Nama Tanggal Bagian awal dokumen
Halaman depan sudah diisi dengan tanggal, judul, dan informasi kontak
Daftar isi/table/gambar sudah akurat: judul sesuai dengan dokumen, halaman telah sesuai; nomor halaman sudah berurutan dan tidak ada kesalahan penulisan
Ringkasan eksekutif dan pendahuluan sudah diperbaharui sesuai dengan tahun pengerjaan inventarisasi GRK dan kondisi terkini
Lainnya: (tolong tuliskan) Tabel dan Gambar
Semua nomor tabel sudah sesuai dengan spreadsheet yang ada
Pastikan semua tabel sudah memiliki angka yang sesuai
Periksa struktur tabel dan gambar di bagian kolom dan label
Pastikan format tabel sudah sesuai
Periksa semua gambar telah diperbaharui dengan data yang baru dan referensi di teks
Periksa judul tabel dan gambar agar akurat dan konsisten terhadap konten
Lainnya: (tolong tuliskan) Persamaan
Periksa konsistensi dari persamaan-persamaan yang ada
Periksa variabel yang digunakan dalam persamaan telah sesuai dengan format yang ada
Lainnya: (tolong tuliskan) Referensi
Periksa konsistensi dari referensi dan apakah sudah cocok dengan sitasi yang ada di konten
Lainnya: (tolong tuliskan) Format umum
Semua akronim yang disebutkan pertama kali harus secara konsisten digunakan di semua bab
Semua fonts dalam text, heading, judul, dan sub-heading harus konsisten
Catatan dan komentar harus dikeluarkan dari dokumen
Semua style dan ukuran dari bullets harus konsisten
Ejaan yang digunakan telah lengkap
Lainnya: (tolong tuliskan) Isu lainnya:
Periksa apakah semua bagian telah diperbaharui sesuai tahun pembuatan dokumen inventarisasi GRK
Lainnya: (tolong tuliskan)
Box 1: Best practice pedoman QA/QC di sub-sektor ketenagalistrikan
Dirjen ketenagalistrikan, kementerian ESDM saat ini telah menyusun suatu pedoman Inventarisasi GRK untuk pembangkit listrik. Pedoman ini dibuat untuk mendukung sistem pelaporan inventarisasi GRK bidang sub-sektor energi ketenagalistrikan yang bersifat bottom up. Dengan adanya pedoman ini diharapkan kualitas dari inventarisasi GRK untuk sub- bidang ketenagalistrikan dapat dipertanggungjawabkan.
Di dalam pedoman ini, sub-sektor ketenagalistrikan juga membahas skema QA/QC yang telah dikembangkan untuk sistem inventarisasi GRK sub-sektor/unit pelaksana. Pedoman QA/QC ini merujuk pada Perpres no 71/2011 terkait dengan inventarisasi GRK nasional yang di dalamnya menjelaskan agar K/L terkait harus mengembangkan sistem penjaminan dan pengendalian mutu sesuai standar pedoman IPCC. Proses pelaksanaan QA/QC untuk pembangkit listrik atau unit pelaksana di sub-sektor ketenagalistrikan terlampir pada gambar berikut:
Gambar 6-1. Proses QA/QC sub-sektor ketenagalistrikan (sumber: Pedoman IGRK Pembangkit, 2018)
Aktifitas QC di pembangkit/unit pelaksana meliputi pengecekan tingkat akurasi data dan penghitungan, penggunaan prosedur standar (IPCC 2006) untuk perhitungan emisi, pendugaan ketidapastian, pendokumentasian data dan pelaporan. Aktifitas QA di sub-sektor ketenagalistrikan dikembangkan untuk melakukan validasi/review terhadap hasil perhitungan emisi unit pembangkit listrik. Aktifitas QA dilaksanakan oleh induk perusahaan pembangkit dan DJK-ESDM. Proses pelaksanaan QA dilakukan setelah proses QC sudah dilakukan oleh unit pelaksana. Hal ini bertujuan agar memastikan penyelenggaraan inventarisasi GRK yang dilakukan oleh unit pelaksana telah dilakukan berdasarkan prosedur dan standar yang telah berlaku.
Sumber: Pedoman IGRK Pembangkit Tahun 2018
DAFTAR PUSTAKA
Eggleston, H., Buendia, L., Miwa, K., Ngara, T., & Tanabe, K. (2006). IPCC Guidelines for National Greenhouse Gas Inventories Prepared by the National Greenhouse Gas Inventories Programme. In IPCC. IGES.
Hallsdóttir, B., & Guðmundsson, J. (2017). Quality Assurance and Quality Control Plan for the Icelandic Greenhouse Gas Inventory. Reykjavík.
Intergovernmental Panel on Climate Change, 2006. 2006 IPCC guidelines for national greenhouse gas inventories. Intergovernmental Panel on Climate Change.
Kementerian ESDM, DJK. (2018). Pedoman Penghitungan dan Pelaporan Inventarisasi Gas Rumah Kaca Bidang Energi - Sub Bidang Ketenagalistrikan. Jakarta.
Kementerian Lingkungan Hidup dan Kehutanan. (2017). P.73/MenLHK/Setjen/Kum.1/12/2017.
Pedoman Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca Nasional.
Jakarta.
Tanabe, K. and Wagner, F., (2003). Good practice guidance for land use, land-use change and forestry. Institute for Global Environmental Strategies, Hayama, Kanagawa, Japan.
Available at: http://www. ipcc-nggip. iges. or. jp/public/gpglulucf/gpglulucf. htm.
LAMPIRAN 1. MENGATASI KESENJANGAN DATA
LAMPIRAN 1.
MENGATASI KESENJANGAN DATA
1. PENDAHULUAN
Pada pengumpulan data GRK seperti data aktifitas dan faktor emisi, diperlukan kelengkapan data dalam periode waktu tertentu. Namun, masalah akan muncul ketika data yang diperlukan untuk perhitungan emisi tidak lengkap atau bahkan tidak terserdia. Dalam kasus seperti itu beberapa pendekatan terkait pengisian data kosong/hilang diperlukan sehingga diperoleh data yang lengkap untuk semua seri waktu. Beberapa pendekatan/teknik untuk mengatasi kesenjangan data (mengisi data hilang; IPCC Guideline 2006):
i. Tumpang tindih (overlap)
ii. Penggantian data (surrogate data) iii. Interpolasi
iv. Ekstrapolasi
Dalam kegiatan pengendalian mutu (QC), personel yang bertanggung jawab harus memastikan bahwa metode-metode pendekatan pengisian kesenjangan data telah digunakan secara benar dan sesuai dengan pedoman IPCC.
2. PENDEKATAN DALAM MENGATASI KESENJANGAN DATA
Beberapa pendekatan/teknik yang tersedia dapat digunakan untuk melengkapi kesenjangan/kekosongan data. Bagian ini menjelaskan teknik yang dapat digunakan untuk menggabungkan metode untuk meminimalkan inkonsistensi potensial dalam rangkaian waktu.
Setiap teknik dapat sesuai dalam situasi tertentu, sebagaimana ditentukan oleh pertimbangan seperti ketersediaan data dan sifat modifikasi metodologis. Memilih suatu teknik membutuhkan evaluasi terhadap keadaan khusus, dan penentuan pilihan terbaik untuk kasus tertentu.
Merupakan praktik yang baik untuk melengkapi kesenjangan data dengan menggunakan lebih dari satu teknik sebelum membuat keputusan akhir dan mendokumentasikan mengapa metode tertentu dipilih. Pendekatan utama untuk rekalkulasi inventarisasi dirangkum dalam Tabel L.1 2-1.
Tabel L.1 2-1. Pendekatan/teknik untuk pengisian data hilang
Pendekatan Penerapan Catatan
Tumpang tindih (Overlap)
Data yang diperlukan untuk menerapkan metode yang digunakan sebelumnya dan metode baru harus tersedia setidaknya selama satu tahun, lebih banyak akan lebih bagus.
Paling dapat diandalkan ketika tumpang tindih antara dua atau lebih set perkiraan tahunan dapat dinilai.
Jika tren yang diamati menggunakan metode yang digunakan sebelumnya dan metode baru tidak konsisten, pendekatan ini bukan pilihan yang tepat.
Data Pengganti (Surrogate data)
Faktor emisi, data aktivitas atau parameter estimasi lainnya yang digunakan dalam metode baru berkorelasi kuat dengan data indikatif lainnya yang lebih dikenal dan lebih tersedia.
Beberapa set data indikatif (tunggal atau dalam kombinasi) harus diuji untuk menentukan yang paling kuat berkorelasi.
Sebaiknya tidak dilakukan dalam waktu lama.
Interpolasi Data yang diperlukan untuk perhitungan ulang menggunakan metode baru tersedia untuk beberapa tahun berselang selama seri waktu.
Perkiraan dapat diinterpolasi secara linier untuk periode ketika metode baru tidak dapat diterapkan.
Metode ini tidak berlaku dalam kasus fluktuasi tahunan besar.
Ekstrapolasi Data untuk metode baru tidak dikumpulkan setiap tahun dan tidak tersedia di awal atau di akhir seri waktu.
Paling dapat diandalkan jika tren dari waktu ke waktu adalah konstan.
Tidak boleh digunakan jika tren
berubah (dalam hal ini, metode pengganti mungkin lebih tepat).
Sebaiknya tidak dilakukan dalam waktu lama.
Metode lainnya
Alternatif standar tidak valid ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi mitigasi)
Dokumentasikan pendekatan yang disesuaikan secara menyeluruh.
Bandingkan hasil dengan teknik standar.
2.1 Tumpang tindih (overlap)
Teknik tumpang tindih sering digunakan ketika metode baru diperkenalkan tetapi data tidak tersedia untuk menerapkan metode baru pada tahun-tahun awal dalam rangkaian waktu, misalnya ketika menerapkan metodologi tingkat yang lebih tinggi. Jika metode baru tidak dapat digunakan untuk semua tahun, dimungkinkan untuk mengembangkan rangkaian waktu berdasarkan hubungan (atau tumpang tindih) yang diamati antara dua metode selama tahun- tahun ketika keduanya dapat digunakan. Pada dasarnya, rangkaian waktu dibangun dengan mengasumsikan bahwa ada hubungan yang konsisten antara hasil dari metode yang digunakan sebelumnya dan metode baru. Perkiraan emisi atau penghilangan untuk tahun-tahun ketika metode baru tidak dapat digunakan secara langsung dikembangkan dengan secara proporsional menyesuaikan perkiraan yang dikembangkan sebelumnya, berdasarkan pada hubungan yang diamati selama periode tumpang tindih. Dalam hal ini, emisi atau penyerapan yang terkait dengan metode baru diperkirakan sesuai dengan Persamaan L1. 2-1:
Persamaan L1. 2-1. Pengisian data hilang dengan metode Overlap 𝑦0 = 𝑥𝑜∗ ( 1
𝑛 − 𝑚 + 1 ∗ ∑𝑦𝑖 𝑥𝑖
𝑛
𝑖=𝑚
) Dimana
y0 = nilai emisi/serapan dugaan yang dihitung dengan metode overlap, x0 = nilai emisi/serapan dugaan yang diduga dengan metode sebelumnya
yi dan xi = nilai dugaan yang diperoleh dari metode baru dan metode sebelumnya selama periode waktu yang overlap yaitu dari tahun ke-m sampai ke-n
Hubungan antara metode yang digunakan sebelumnya dan metode baru dapat dievaluasi dengan membandingkan tumpang tindih antara hanya satu set perkiraan tahunan, tetapi lebih baik dibandingkan beberapa tahun. Ini karena membandingkan hanya satu tahun dapat menyebabkan bias dan tidak mungkin mengevaluasi tren.
Gambar L.1 2-1. menunjukkan contoh hipotetis tumpang tindih yang konsisten antara dua metode untuk tahun di mana keduanya dapat diterapkan. Pada Gambar L.1 2-2 tidak ada tumpang tindih yang konsisten antara metode sehingga tidak cocok untuk menggunakan teknik tumpang tindih dalam kasus seperti itu.
Gambar L.1 2-1. Tumpang tindih yang konsisten antar dua metode
Hubungan lain antara perkiraan lama dan baru juga dapat diamati melalui penilaian tumpang tindih. Misalnya, perbedaan konstan dapat diamati. Dalam hal ini, emisi atau penghilangan yang terkait dengan metode baru diperkirakan dengan menyesuaikan estimasi sebelumnya dengan jumlah konstan yang sama dengan perbedaan rata-rata pada tahun-tahun tumpang tindih.
Gambar L.1 2-2. Tumpang tindih yang tidak konsisten antar dua metode
2.2 Surrogate data
Metode pengganti digunakan ketika suatu data tidak tersedia, namun ada data lainnya yang berkaitan erat dengan data tersebut dan memiliki korelasi tinggi (R2 > 0.5). Oleh karena itu, uji korelasi perlu dilakukan terlebih dahulu sebelum menggunakan metode ini, Contoh data yang berkaitan erat dan memiliki korelasi tinggi diantaranya adalah emisi dari air limbah domestik mungkin terkait dengan populasi, dan emisi industri mungkin terkait dengan tingkat produksi dalam industri yang relevan. Dalam bentuk yang paling sederhana, perkiraan akan terkait dengan satu jenis data seperti yang ditunjukkan dalam Persamaan L1. 2-2:
Persamaan L1. 2-2. Pengisian data hilang dengan metode Surrogate 𝑦0= 𝑦𝑡∗ (𝑠0
𝑠𝑡) y0 dan yt = emisi/serapan dugaan tahun ke-0 dan ke-t s0 dan st = parameter statistic surrogate tahun ke-0 dan ke-t 2.3 Interpolasi
Dalam beberapa kasus dimungkinkan untuk menerapkan metode secara intermiten di seluruh rangkaian waktu. Sebagai contoh, statistik rinci yang diperlukan hanya dapat dikumpulkan setiap beberapa tahun, atau mungkin tidak praktis untuk melakukan survei rinci setiap tahun.
Dalam hal ini, perkiraan untuk tahun-tahun menengah dalam rangkaian waktu dapat dikembangkan dengan melakukan interpolasi antara perkiraan terperinci. Jika informasi tentang tren umum atau parameter yang mendasari tersedia, maka metode pengganti lebih disukai.
Persamaan untuk mengisi data kosong dengan metode Interpolasi dapat dilihat pada Persamaan L1. 2-3 di bawah ini.
Persamaan L1. 2-3. Pengisan data hilang dengan metode interpolasi 𝑌𝑡 = 𝑌𝑠𝑡𝑎𝑟𝑡+ ( 𝑇𝑡− 𝑇𝑠𝑡𝑎𝑟𝑡
𝑇𝑒𝑛𝑑− 𝑇𝑠𝑡𝑎𝑟𝑡) ∗ (𝑌𝑒𝑛𝑑− 𝑌𝑠𝑡𝑎𝑟𝑡)
Ystart , Yend dan Yt = emisi/serapan dugaan tahun awal, akhir dan ke-t
Tstart , Tend dan Tt = tahun awal, akhir dan ke-t
Gambar L.1 2-3 menunjukkan contoh interpolasi linier. Dalam contoh ini, data untuk 1994 dan 1995 tidak tersedia. Emisi diperkirakan dengan asumsi pertumbuhan emisi tahunan konstan dari 1993-1996. Teknik ini tepat dalam contoh ini karena tren keseluruhan tampak stabil, dan tidak mungkin bahwa emisi aktual untuk 1994 dan 1995 secara substansial berbeda dari nilai yang diprediksi melalui interpolasi. Untuk kategori yang memiliki kecenderungan emisi yang mudah menguap (yaitu, mereka berfluktuasi secara signifikan dari tahun ke tahun), interpolasi tidak akan sesuai dengan praktik yang baik dan data pengganti akan menjadi opsi yang lebih baik. Praktiknya baik untuk membandingkan perkiraan interpolasi dengan data pengganti sebagai pemeriksaan QA/QC.
Gambar L.1 2-3. Interpolasi linear 2.4 Ekstrapolasi
Ketika perkiraan rinci belum disiapkan untuk tahun dasar atau tahun terbaru dalam inventaris, mungkin perlu untuk memperkirakan dari perkiraan terperinci terdekat. Ekstrapolasi tren secara konseptual mirip dengan interpolasi, tetapi sedikit yang diketahui tentang tren aktual.
Ekstrapolasi dapat dilakukan baik ke depan (untuk memperkirakan emisi atau kepunahan yang lebih baru) atau mundur (untuk memperkirakan tahun dasar). Ekstrapolasi tren hanya mengasumsikan bahwa tren yang diamati dalam emisi / penyerapan selama periode ketika perkiraan rinci tersedia tetap konstan selama periode ekstrapolasi. Dengan asumsi ini, jelas bahwa ekstrapolasi tren tidak boleh digunakan jika perubahan tren tidak konstan dari waktu ke waktu. Dalam situasi ini, akan lebih tepat untuk mempertimbangkan menggunakan ekstrapolasi berdasarkan data pengganti. Ekstrapolasi juga tidak boleh digunakan dalam jangka waktu lama tanpa pemeriksaan rinci pada interval untuk mengkonfirmasi validitas tren yang berlanjut.
Dalam kasus data periodik, bagaimanapun, ekstrapolasi akan menjadi awal dan titik data akan dihitung ulang pada tahap selanjutnya. Untuk mengisi data kosong dengan metode Ekstrapolasi dapat digunakan Persamaan L1. 2-4 di bawah ini.
Persamaan L1. 2-4. Pengisian data hilang dengan metode Ekstrapolasi 𝑌𝑡 = 𝑌𝑡−1+ (𝑌𝑡−1− 𝑌𝑡−2)
Yt, Yt-1 dan Yt-2 = emisi/serapan dugaan tahun ke-t , t-1 dan t-2
Gambar L.1 2-4 dalam bagian ini menunjukkan contoh di mana data aktivitas hanya tersedia secara berkala untuk suatu periode tertentu, namun untuk tidak tersedia data untuk beberapa tahun terakhir. Data untuk beberapa tahun terakhir dapat diekstrapolasi berdasarkan tren yang konsisten, atau atas dasar data yang sesuai. Perlu dicatat, bagaimanapun, bahwa ketidakpastian perkiraan ekstrapolasi meningkat sebanding dengan lamanya waktu di mana ekstrapolasi dibuat. Setelah set data periodik terbaru tersedia, perlu kalkulasi ulang bagian dari rangkaian waktu yang telah diperkirakan menggunakan ekstrapolasi tren.
Gambar L.1 2-4. Ekstrapolasi linear
Tidak seperti data yang tersedia secara berkala, ketika data tidak tersedia untuk tahun-tahun pertama dalam rangkaian waktu (misalnya, tahun dasar dan data tahun dasar pra pada misalnya pembuangan limbah dan penggunaan lahan) tidak ada kemungkinan mengisi kesenjangan dengan survei di masa depan. Ekstrapolasi tren kembali dalam waktu mungkin tetapi harus dilakukan dalam kombinasi dengan teknik splicing lainnya seperti data pengganti dan tumpang tindih. Beberapa negara yang telah mengalami transisi administratif dan ekonomi yang signifikan sejak tahun 1990 tidak memiliki data aktivitas yang konsisten untuk seluruh rangkaian waktu, terutama jika kumpulan data nasional mencakup wilayah geografis yang berbeda di tahun-tahun sebelumnya. Untuk mengekstrapolasi mundur dalam kasus ini, perlu untuk menganalisis hubungan antara set data aktivitas yang berbeda untuk periode yang berbeda, mungkin menggunakan beberapa set data pengganti.
2.5 Metode lainnya
Dalam beberapa kasus, mungkin perlu mengembangkan pendekatan khusus untuk memperkirakan emisi dari waktu ke waktu. Misalnya, alternatif standar mungkin tidak valid ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi mitigasi). Dalam hal ini, perlu diperhatikan secara seksama tren di semua faktor yang diketahui memengaruhi emisi atau penghapusan selama periode tersebut. Jika pendekatan khusus digunakan, adalah praktik yang baik untuk mendokumentasikannya secara menyeluruh, dan khususnya untuk memberikan pertimbangan khusus tentang bagaimana perkiraan emisi yang dihasilkan dibandingkan dengan yang akan dikembangkan menggunakan alternatif yang lebih standar.
LAMPIRAN 2. ANALISIS KETIDAKPASTIAN
LAMPIRAN 2.
ANALISIS KETIDAKPASTIAN
1. PENDAHULUAN
Ketidakpastian (uncertainty) dapat dimaknai sebagai kurangnya pengetahuan tentang nilai sebenarnya (true value) dari suatu peubah yang bisa dideskripsikan dalam bentuk sebaran kepekatan peluang atau probability density function (PDF) yang mencirikan besar selang kemungkinan nilai dari peubah tersebut. Analisis ketidakpastian merupakan bagian penting dari sistem inventarisasi emisi gas rumah kaca. Analisis ini dilakukan untuk bagian-bagian komponen seperti faktor emisi, data aktivitas dan parameter estimasi lainnya untuk setiap kategor emisi. Analisis ketidakpastian perlu dilakukan untuk membantu memprioritaskan upaya nasional agar dapat mengurangi ketidakpastian inventarisasi di masa depan serta memandu pembuatan keputusan terkait pemilihan metode yang akan digunakan.
Panduan lengkap mengenai analisis ketidakpastian, termasuk teknis pendugaan dan pelaporannya telah dibahas secara lengkap pada dokumen IPCC Good Practice Guidance (Chapter 6) dan IPCC 2006 Guidelines (Volume III, Chapter 3). Panduan ini akan membahas secara ringkas mengenai (i) identifikasi sumber ketidakpastian, (ii) teknis perhitungan tingkat ketidakpastian, (iii) ketidakpastian gabungan, beserta (iv) contoh analisis ketidakpastian.
2. ANALISIS KETIDAKPASTIAN
Analisis ketidakpastian dalam Inventarisasi Gas Rumah Kaca Nasional merupakan suatu proses yang terdiri dari beberapa langkah. Identifikasi sumber penyebab ketidakpastian merupakan langkah awal yang perlu dilakukan. Setelah mengetahui sumber ketidakpastian, langkah selanjutnya dalam melakukan analisis ketidakpastian adalah dengan mencari tingkat ketidakpastian untuk masing-masing Data Aktifitas (DA), Faktor Emisi (FE) maupun Parameter Lainnya (PL) yang ada pada setiap kategori emisi. Tingkat ketidakpastian dari masing-masing komponen tersebut selanjutnya digunakan untuk menghitung ketidakpastian gabungan (combined uncertainties) dalam satu tahun data inventarisasi Gas Rumah Kaca (GRK) Nasional beserta kecenderungan (trend) ketidakpastian dari data dua tahun inventarisasi GRK Nasional.
Pada pedoman ini, perhitungan ketidakpastian gabungan dilakukan dengan menggunakan dua pendekatan, yaitu penggandaan kesalahan (propagation error) dan simulasi Monte Carlo. Untuk contoh penggunaan kedua pendekatan tersebut pada sektor Land Use, Land Use Change and Forestry (LULUCF) dapat dilihat pada Bab 3: Contoh Analisis Ketidakpastian.
2.1 Identifikasi Sumber Ketidakpastian
Mengacu pada dokumen IPCC Guidline 2006 dan Permen KLHK No.73 Tahun 2017, sumber penyebab besarnya tingkat ketidakpastian yang harus dicermati dalam inventarisasi GRK diantaranya adalah:
a. Ketidaktersediaan dan/atau ketidaklengkapan data (karena data tidak seluruhnya tersedia atau teknik pengukurannya belum tersedia)
b. Bias dalam penggunaan model c. Ketidakterwakilan data
d. Kesalahan acak (contoh: karena data atau faktor emisi yang digunakan berasal dari pengambilan contoh yang sangat sedikit)
e. Kesalahan Pengukuran
f. Kesalahan pelaporan atau klasifikasi g. Kehilangan data
Dengan mengetahui sumber-sumber penyebab ketidakpastian dalam sistem inventarisasi GRK Nasional, khususnya sumber utama penyumbang ketidakpastian, maka perhatian lebih serta
perbaikan perlu diprioritaskan pada sumber tersebut untuk mengurangi ketidakpastian dalam inventarisai GRK di masa mendatang.
2.2 Tingkat Ketidakpastian
Secara statistik, tingkat ketidakpastian dapat diartikan sebagai presentase setengah nilai dari selang kepercayaan (α) sebesar 95% dibagi dengan nilai rata-rata pengukuran (μ), sebagaimana dijelaskan pada Persamaan L2. 2-1.
Persamaan L2. 2-1. Tingkat ketidakpastian
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 = 1
2 ∗ 𝑙𝑒𝑏𝑎𝑟 𝑠𝑒𝑙𝑎𝑛𝑔 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝜇 ∗ 100
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 = 1 2 ∗ 4𝜎
𝜇 ∗ 100 = 2𝜎
𝜇 ∗ 100
di mana, σ merupakan standar deviasi sedangkan μ adalah nilai rata-rata pengukuran 𝜎 = √∑𝑛𝑖=1(𝑥𝑖− 𝜇)2
𝑛 − 1
Ilustrasi tingkat ketidakpastian dari suatu set data yang memiliki sebaran normal dapat dilihat pada Gambar L.2 2-1. di berikut ini.
Gambar L.2 2-1. Ilustrasi tingkat ketidakpastian dari suatu set data (α = 95%) Contoh 1
Misalkan dari pengukuran berulang sebanyak 1000 kali untuk menetapkan besar Faktor Emisi (FE) dari suatu sumber emisi diperoleh nilai FE yang nilainya berkisar dari 0.5 sampai 1.5 dengan nilai rata-rata 1.0. Untuk menetapkan tingkat ketidakpastian, digunakan selang kepercayaan 95%, dengan nilai-nilai FE yang tersebar antara nilai yang berada pada urutan ke 25 terkecil (persentil 2.5%) dan urutan 975 terbesar (persentil 97.5%). Misalkan nilai FE pada nomor urut ke-25 (terkecil) ialah 0.7 sedangkan pada nomor urut ke-975 (terbesar) ialah 1.3.
Lebar selang kepercayaan pada pengukuran tersebut diketahui sebesar 0.6. Berdasarkan nilai- nilai tersebut, tingkat ketidakpastian dari FE adalah:
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 = 1
2 ∗ (1.3 − 0.7)
1 ∗ 100 = 30%